最近遇到unicodedata模塊，才知道它的一個(gè)應(yīng)用。某些字符能夠用多個(gè)合法的編碼表示，這就會(huì)導(dǎo)致一些問題。

如一個(gè)字符?既可以使用\u00f1，也可以使用n\u0303表示，如下所示：

In [2]: '\u00f1'                                                                                                                 
Out[2]: '?'

In [3]: 'n\u0303' # 注意前面有個(gè)字符n                                                                            
Out[3]: '?'

原因是第一種表示\u00f1為整體表示法，第二種n\u0303為組合表示法，是n和字符~的組合字符。

很顯然，在需要比較字符串的程序中，使用像上面字符的多種表示法會(huì)產(chǎn)生問題，如下所示：

In [4]: s1='\u00f1'                                                            

In [5]: s2='n\u0303'                                                            

In [6]: s1==s2                                                                 
Out[6]: False

我們期望上面的字符?在兩種表示下是相等的，這就需要使用unicodedata模塊，將這些字符標(biāo)準(zhǔn)化：

s1='\u00f1' 
s2='n\u0303'
t1 = unicodedata.normalize('NFC', s1)
t2 = unicodedata.normalize('NFC', s2)
In [25]: t1==t2                                                                
Out[25]: True

normalize() 第一個(gè)參數(shù)指定字符串標(biāo)準(zhǔn)化的方式。NFC表示字符應(yīng)該是整體組成，還有其他標(biāo)準(zhǔn)化方法如NFD，上面的字符n和 \u0303 的組合n\u0303，就是NFD表示法。

埃格斯特朗符號(hào) ?，在NFC中總是被代換成在視覺上相同的U+00C5（? –在上方帶環(huán)的A）。在NFD中，則會(huì)換成由U+0041（A) 和U+030A（°）這兩個(gè)字符所組成的序列。

標(biāo)準(zhǔn)化對(duì)于任何需要以一致的方式處理Unicode文本的程序，正規(guī)化是很重要，因?yàn)樗绊懥吮容^、搜索和排序的意義。